this PDF file Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot | Wicaksono | Jurnal Teknik Elektro 1 PB
Perancangan Sistem Navigasi Otonom pada
Behavior Based Hexapod Robot
Handy Wicaksono1),2), Prihastono1),3), Khairul Anam4), Rusdhianto Effendi2), Indra Adji
Sulistijono5), Son Kuswadi 5), Achmad Jazidie2), Mitsuji Sampei6)
1
Department of Electrical Engineering, Sepuluh Nopember Institute of Surabaya, Indonesia
2
Department of Electrical Engineering, Petra Christian University, Surabaya, Indonesia
3
Department of Electrical Engineering, University of Bhayangkara , Surabaya, Indonesia
4
Department of Electrical Engineering, University of Jember, Jember, Indonesia
5
Department of Mechatronics, Electronics Engineering Polytechnic Institute of Surabaya, Surabaya, Indonesia
6
Department of Mechanical and Environmental Informatics,
Tokyo Institute of Technology, Tokyo, Japan
E-mail : [email protected]
ABSTRAK
Robot berkaki enam (hexapod) memiliki kelebihan dibanding robot beroda dalam hal kemampuannya melewati
daerah tidak rata. Pada penelitian ini, mobilitas pergerakan hexapod akan diuji untuk mengetahui performanya
dalam melewati balok dan tangga. Supaya dapat bereaksi dengan cepat, maka arsitektur behavior based akan
digunakan pada hexapod. Aplikasi navigasi otonom dipilih untuk menunjukkan bahwa arsitektur tersebut
berjalan dengan baik. Dari hasil simulasi nampak bahwa behavior based hexapod robot memiliki mobilitas yang
baik (mampu melewati halangan setinggi maksimal 10 cm) dan dapat menyelesaikan tugasnya untuk
menghindari halangan dan menemukan sumber cahaya.
Kata kunci: mobilitas, hexapod robot, behavior based architecture, sistem navigasi otonom
ABSTRACT
Six legged robot (hexapod) has advantage over wheeled robot in its capability to walk over rough terrain. In this
paper, hexapod mobility will be tested in order to measure its performance in walk through beam and stair.
Behavior based architecture will be used in hexpod, so it can react quickly. Autonomous navigation application
has been chosen here in order to prove that the architecture is running well. From simulation result, it can be
seen that behavior based hexapod robot has good mobility (it can walk through obstacle that has 10 cm height)
and it can accomplish its task to avoid the obstacles and find the light source.
Keywords: mobility, hexapod robot, behavior based architecture, autonomous navigation system
Salah satu jenis robot berkaki yang paling
banyak digunakan ialah robot berkaki enam
(hexapod). Hexapod memiliki banyak keuntungan, di antaranya ialah fleksibilitas dalam pola
gerakan, karena robot memiliki kestabilan statis
jika tiga atau lebih kakinya ada di tanah.
Hexapod juga memiliki kecepatan yang lebih
tinggi dari robot berkaki empat saat menggunakan statically stable gait [2].
PENDAHULUAN
Robot beroda merupakan jenis robot yang
banyak digunakan dalam berbagai aplikasi
karena kecepatannya dalam melintasi bidang
yang rata, dan kemudahan dalam desain dan
implementasi. Namun dalam dunia nyata sering
terdapat kondisi bidang tidak rata, sehingga
digunakan robot berkaki. Keuntungan robot ini
ialah mampu bergerak di daerah yang halus
ataupun kasar, memanjat tangga, menghindar,
dan melangkah di atas halangan [1].
Hexapod telah digunakan untuk berbagai
aplikasi, misalnya COMET, hexapod dengan dua
buah lengan tambahan, digunakan untuk
menjinakkan ranjau [3]. Contoh lain ialah
DANTE, hexapod yang digunakan untuk
penjelajahan gunung berapi Mount Spur, Alaska,
untuk mengumpulkan dan mengirimkan data
Catatan: Diskusi untuk makalah ini diterima sebelum tanggal 1 Desember
2008. Diskusi yang layak muat akan diterbitkan pada Jurnal Teknik Elektro
volume 9, nomor 1, Maret 2009.
70
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
ilmiah pada operator dan ahli gunung berapi di
lokasi yang berjauhan [4].
Dalam banyak aplikasi robot, sering kali
dibutuhkan reaksi yang cepat dari robot.
Arsitektur behavior based control merupakan
arsitektur robot yang cocok karena memiliki
struktur behavior horizontal yang bekerja
bersama secara paralel, bersamaan dan
asinkronus [5]. Hexapod pertama yang
digunakan dengan arsitektur behavior based
ialah Genghis [6].
Masing – masing kaki robot terdiri dari 3 buah
motor servo yang diberi nama : hip servo, knee
servo dan ankle servo. Konstruksi potongan
salah satu kaki dapat dilihat pada gambar 3.
Gambar 3. Bagian-bagian pembentuk kaki robot
Pada penelitian ini akan dirancang model
simulasi hexapod robot dengan mobilitas yang
lebih baik dari robot Genghis di atas. Hexapod
ini memiliki kemampuan untuk melewati
halangan berbentuk balok dan tangga. Arsitektur
behavior based akan digunakan supaya robot
dapat bereaksi dengan cepat terhadap input dari
lingkungan. Robot akan dilengkapi dengan
beberapa behavior sehingga dapat melakukan
navigasi otonom untuk menghindari halangan
dan menemukan target berupa sumber cahaya.
PERANCANGAN SISTEM
Mekanik dan Mekanisme Gerak Robot
Arah gerakan knee servo dan ankle servo ialah
rotasional dengan arah vertikal seperti tampak
pada gambar 4.
Gambar 4. Arah gerakan knee servo & ankle
servo
Sedang arah gerakan hip servo ialah rotasional
dengan arah horizontal seperti pada gambar 5.
Berikut ini ukuran robot hexapod (dalam satuan
cm). Semua kaki robot direntangkan supaya
mempermudah pemberian ukuran.
Gambar 5. Arah gerakan hip servo
Gambar 1. Ukuran bagian hexapod robot
Gambar 2. Hexapod robot dalam kondisi inisial
Jika hexapod robot diatur dalam kondisi inisial
(berdiri), maka bentuknya akan seperti gambar 2.
Gambar 6. Pergerakan servo dalam robot: (a)
posisi robot mula-mula; (b) pergerakan hip
servo; (c) pergerakan knee servo; (d) pergerakan
ankle servo
71
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Gerakan hip servo, knee servo dan ankle servo
dalam robot secara keseluruhan dapat dilihat
pada gambar 6.
Mekanisme gerak dari hexapod robot ini
menggunakan tripod gait, yang mendasarkan
kestabilan robot pada tiga titik segitiga berupa
kaki-kaki robot yang berada di tanah dalam 1
waktu. Pada gambar 7 dan gambar 8 nampak 2
buah konfigurasi segitiga saat robot berjalan.
Sehingga saat robot berjalan, selalu ada tiga kaki
yang sedang berada di tanah. Berikut ini
gambaran masing – masing segitiga kestabilan.
Gambar 10. Grafik karakteristik sensor jarak
Grafik tersebut didapatkan dari karakteristik
ideal sensor yang terdapat pada panduan dari
program simulator yang digunakan. Sedang
pengaturan nilai sensor dilakukan pada program
yang sama. Dari Gambar 10 nampak bahwa
jangkauan terjauh sensor ialah 0.5 m. Dalam
simulasi ini, sensor diasumsikan ideal dan bebas
noise.
Gambar 7. Segitiga kestabilan pertama pada
robot
Sedang karakteristik dari sensor cahaya (infra
red) nampak pada grafik berikut.
Gambar 8. Segitiga kestabilan ke dua pada robot
Sensor-Sensor pada Robot
Sensor yang digunakan dalam sistem navigasi
otonom hexapod robot ini ialah dua buah sensor
jarak dan dua buah sensor cahaya. Konfigurasi
sensor dapat dilihat pada gambar 9.
Gambar 11. Grafik karakteristik sensor cahaya
Data yang digunakan sama dengan sensor jarak
pada bagian sebelumnya. Dalam simulasi ini,
sensor juga diasumsikan ideal dan bebas noise.
Macam-Macam Behavior pada Robot
Gambar 9. Peletakan sensor pada robot
Karakteristik dari sensor jarak nampak pada
grafik berikut.
72
Supaya robot dapat melakukan navigasi secara
otonom, maka robot harus memiliki behaviors
berikut :
1. Berkeliling (wandering)
2. Hindari halangan (obstacle avoidance)
3. Cari target (search target)
4. Stop (find target)
Berikut ini penjelasan masing–masing behavior.
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
Wandering behavior
Start
Karena robot perlu berkeliling di arena untuk
menemukan target, maka behavior ini sangat
diperlukan. Tanpa behavior ini, robot hanya akan
berjalan maju, ataupun menyusuri dinding arena
saja. Adapun flow chart dari wandering behavior
dapat dilihat pada gambar 12.
Enable sensor
jarak kiri & kanan
A
Y
T
Sensor jarak
kiri ON?
Obstacle Avoidance Behavior
Behavior ini berguna untuk menghindari
halangan yang dideteksi oleh 2 buah sensor jarak
milik robot. Flow chart dari behavior ini dapat
dilihat pada gambar 13.
Behavior
“Belok Kiri”
Y
Behavior
“Mundur Belok”
Behavior
“Belok Kanan”
Gambar 13. Flow chart dari obstacle
avoidance behavior
Start
Enable sensor cahaya
kiri & kanan
B
Sensor cahaya
kanan ON ?
T
Y
T
Sensor cahaya
kiri ON?
Timer = 0
T
Behavior
“Belok Kanan”
Behavior
“Maju”
Timer =
4.8 s?
Y
Behavior “Maju”
T
Sensor jarak
kiri ON?
Y
Y
T
Behavior
“Maju”
A
Start
Start Timer
T
Sensor jarak
kiri ON?
Y
Search target dan stop behavior
Jika sensor cahaya robot mendeteksi target
berupa sumber cahaya, maka search target
behavior akan aktif dan robot akan bergerak
mendekati sumber cahaya itu. Jika jarak robot
sudah “dekat” dengan target, maka stop behavior
akan aktif dan robot akan berhenti. Flow chart
dari kedua behavior tersebut dapat dilihat pada
Gambar 14 dan 15.
T
Sensor jarak
kanan ON?
Behavior
“Belok Kiri”
B
Gambar 14. Flow chart dari search target
behavior
Start
Timer =
2.4 s?
Y
Enable sensor cahaya
kiri & kanan
Beh “belok kiri”
T
T
Sensor cahaya
kanan NEAR?
Timer =
4.8 s?
Y
Y
Behavior “Maju”
T
Timer =
2.4 s?
Y
T
T
Sensor cahaya
kiri NEAR?
Y
Sensor cahaya
kiri NEAR?
Y
Behavior
“Stop”
Beh “belok kanan”
Stop
Gambar 12. Flow chart dari wandering behavior
Gambar 15. Flow chart dari find target behavior
73
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Behavior Coordination pada Robot
Sekumpulan behavior yang telah disebut di atas
harus dikoordinasikan supaya dapat bekerja
dengan sinkron pada robot. Metode koordinasi
yang digunakan pada penelitian ini adalah
Subsumption
Architecture
yang
telah
dikemukakan oleh Brooks[5]. Gambar 16
menunjukkan struktur koordinasi behavior dari
robot ini.
Dari Gambar 16 nampak bahwa Wandering
merupakan behavior dengan level terendah,
sehingga jika ada behavior lain yang aktif, maka
wandering tidak akan aktif. Behavior dengan
level prioritas tertinggi ialah obstacle avoidance.
Hal ini berarti jika behavior tersebut aktif, maka
semua behavior lain akan non aktif. Dengan kata
lain masing – masing behavior akan aktif secara
bergantian.
Gambar 17. Simulasi robot melewati halangan
rendah setinggi 5 cm
Obstacle
Avoidance
Find Target /
Stop
Gambar 18. Simulasi robot melewati halangan
rendah setinggi 10 cm
Search Target
Wandering
S
S
S
Robot’s
servos
Gambar 16. Subsumption Architecture untuk
robot dengan navigasi otonom
Mekanisme pergerakan robot dengan menggunakan tripod gait seperti yang telah dibahas pada
bagian mekanik dan mekanisme gerak robot.
HASIL PENGUJIAN
Gambar 19. Simulasi robot melewati halangan
rendah setinggi 12 cm
Simulasi robot melewati halangan
Seluruh simulasi robot pada penelitian ini
dilakukan dengan program Webots dari
Cyberbotics [7]. Pada simulasi ini, robot akan
melewati ”halangan rendah” dengan tinggi yang
bervariasi. Halangan rendah di sini ialah
halangan yang dapat dilewati robot, sehingga
tidak perlu dihindari. Hal ini penting untuk
menentukan berapa tinggi maksimal suatu
halangan yang dapat dilewati robot.
Robot akan diuji untuk melewati halangan
setinggi 5, 10, dan 12 cm. Hasilnya nampak pada
gambar 17, 18 dan 19.
74
Pada ketiga gambar di atas, nampak bahwa robot
berhasil melewati semua halangan. Namun untuk
melewati halangan setinggi 12 cm, robot sering
kali gagal. Dalam 10 kali percobaan, robot hanya
berhasil melewatinya 1 kali saja. Hal ini
berkaitan dengan keterbatasan kemampuan robot
untuk mengangkat kakinya yang berkisar sekitar
10 cm.
Dengan demikian dapat disimpulkan bahwa
robot mampu melewati dengan baik (selalu
berhasil) halangan dengan tinggi maksimal 10
cm, di atas itu robot akan sering mengalami
kegagalan.
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
Simulasi robot menaiki - menuruni tangga
Pada simulasi di atas, halangan yang digunakan
ialah halangan tunggal. Pada simulasi berikut
akan digunakan halangan berbentuk tangga.
Mula-mula robot diuji untuk melewati tangga
dengan tinggi 5 cm dan lebar anak tangga
sebesar 20 cm. Berikut gambar 20 dan 21
menunjukkan hasil simulasinya.
Jika ukuran tangga diubah menjadi tinggi 8 cm
dan lebar 25 cm, maka hasil simulasinya akan
nampak seperti gambar 22.
Dari gambar 22 di atas nampak bahwa robot
gagal menaiki tangga karena jangkauan kaki
yang kurang tinggi. Lebar anak tangga
diperbesar menjadi 25 cm untuk mempermudah
robot, namun hal tersebut tidak membawa
perubahan.
Jika tinggi dikurangi menjadi 7 cm dan lebar
ditambah menjadi 40 cm, maka hasil simulasinya
nampak pada gambar 23 dan 24 berikut.
Gambar 20. Simulasi robot menaiki tangga
dengan tinggi 5 cm dan lebar 20 cm
Gambar 23. Simulasi robot menaiki tangga
dengan tinggi 7 cm dan lebar 40 cm
Gambar 21. Simulasi robot menuruni tangga
dengan tinggi 5 cm dan lebar 20 cm
Pada uji ini robot berhasil menaiki dan menuruni
tangga tersebut.
Gambar 24. Simulasi robot menuruni tangga
dengan tinggi 7 cm dan lebar 40 cm
Gambar 22. Simulasi robot menaiki tangga
dengan tinggi 8 cm dan lebar 25 cm
Dari gambar 23 dan 24 di atas, nampak bahwa
robot berhasil menaiki dan menuruni tangga
tersebut. Sehingga dapat kita simpulkan bahwa
untuk menaiki tangga diperlukan lebar anak
tangga yang cukup sehingga robot memiliki
landasan untuk ke anak tinggi berikutnya.
Adapun lebar anak tangga yang disarankan untuk
ketinggian 7 cm ke atas (maksimal 10 cm) ialah
minimal 40 cm.
75
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Simulasi robot dengan navigasi otonom
Simulasi masing – masing behavior
Untuk mensimulasikan kemampuan robot dalam
melakukan navigasi otonom dibutuhkan arena
dan halangan yang tepat. Berikut ini arena
beserta obstacle yang akan digunakan dalam
simulasi. Pada gambar 25 nampak tiga buah
home position yang berbeda, juga 1 buah target
position pada arena.
Seperti telah dijelaskan sebelumnya, berikut ini
behaviors yang dimiliki robot :
• Berkeliling (wandering)
• Hindari halangan (obstacle avoidance)
• Cari target (search target)
• Stop (find target)
Jika keempat behavior tersebut dijalankan secara
terpisah, maka masing-masing akan dapat
berjalan dengan baik. Berikut gambar 27
memperlihatkan
hasil
simulasi
yang
menunjukkan hal tersebut.
Gambar 25. Arena simulasi beserta home
position dan target position
Target yang digunakan berupa lampu (sumber
cahaya. Sedang hambatan (obstacle) yang
digunakan pada simulasi ini di bedakan menjadi
2 macam :
• Low obstacle (LO): obstacle yang rendah dan
dapat dilewati/dilangkahi oleh robot.
• High obstacle (HO) : obstacle yang tinggi dan
harus dihindari oleh robot.
Pada Gambar 26 nampak bahwa LO ditandai
dengan lingkaran (atau elips) putus-putus, sedang
HO ditandai dengan kurva persegi empat putusputus.
Gambar 27. Perilaku robot berjalan dengan baik
Dari hasil di atas dapat dilihat bahwa wandering
behavior akan bekerja saat robot jauh dari
halangan dan target. Keuntungan dari wandering
behavior ialah robot dapat:
• Mencari target lebih efektif
• Melepaskan diri saat robot tersangkut pada
obstacle
Jika ada high obstacle maka obstacle avoidance
behavior yang akan aktif. Jika ada low obstacle
maka robot hanya akan melewatinya saja.
Sedang jika robot sudah mendekati robot dan
mendeteksi adanya cahaya, maka search target
behavior akan aktif dan robot akan bergerak
menuju sumber cahaya. Jika posisi sudah dekat,
maka robot akan berhenti karena telah
menemukan robot.
Simulasi keseluruhan behavior
Gambar 26. Gambar arena dan jenis-jenis
obstacle yang digunakan
76
Pada simulasi ini akan diuji apakah robot dapat
menemukan target secara otonom sekaligus
menghindari high obstacle dalam prosesnya, jika
robot diletakkan dari home position yang
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
berbeda-beda. Berikut ini hasil simulasi dengan 3
home position yang berbeda (gambar 28, 29 dan
30).
menemukan target dari 3 home position yang
berbeda. Selain itu robot juga berhasil melewati
low obstacle dan menghindari high obstacle.
Namun demikian, robot tidak selalu berhasil
dalam menjalankan tugasnya. Kadang-kadang
robot akan mengalami terjepit (stack) pada
kondisi-kondisi tertentu. Berikut ini contoh
posisi robot saat mengalami stack (gambar 31).
Gambar 28. Hasil simulasi navigasi otonom
robot dari home position 1
Gambar 31. Berbagai posisi robot saat stack
Gambar 29. Hasil simulasi navigasi otonom
robot dari home position 2
Dari gambar 31 di atas nampak bahwa robot
mengalami stack karena beberapa alasan :
a. Robot terjebak di antara high obstacle yang
membentuk cerukan dan dinding, sehingga
robot tidak dapat menentukan ke arah mana
harus berjalan
b. Robot terjebak di antara 2 buah high obstacle
yang berada di sebelah kanan dan kiri, dan
pada waktu yang bersamaan 2 kaki belakang
robot tersangkut pada low obstacle.
c. 3 kaki robot terjebak pada low obstacle
sedang di sebelah kiri depan robot terdapat
high obstacle.
KESIMPULAN DAN SARAN
Gambar 30. Hasil simulasi navigasi otonom
robot dari home position 3
Dari gambar 28 sampai 30 di atas nampak bahwa
robot mampu menyelesaikan tugasnya untuk
Pada penelitian ini dirancang model simulasi
hexapod robot berdasar arsitektur behavior
based robot. Dari hasil simulasi nampak bahwa
hexapod dapat melewati halangan maksimal
setinggi 10 cm. Jika robot akan melewati tangga,
maka lebar tangga minimal 40 cm. Selain itu
dengan metode behavior coordination jenis
Subsumption Architecture, navigasi otonom
robot untuk menghindari halangan dan
menemukan target dapat dicapai dengan baik
dari berbagai posisi start.
77
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Meski demikian, terkadang robot masih
mengalami stuck (terjepit) pada hambatan tinggi
dan rendah, sehingga perlu dilakukan langkah
perbaikan di sisi perangkat keras robot. Selain itu
sebagai pengembangan ke depan, penggunaan
pembelajaran pada robot bisa ditambahkan
supaya robot dapat mengantisipasi hal-hal yang
tidak terduga.
[3]
ACKNOWLEDGEMENT
Penelitian ini didukung oleh Japan International
Cooperation Agency (JICA) melalui Technical
Cooperation Project for Research and Education
Development on Information and Communication
Technology di Institut Teknologi Sepuluh
Nopember (PREDICT - ITS).
[4]
[5]
DAFTAR PUSTAKA
[1] Bekey G. A., Autonomous Robot: From
Biological Inspiration to Implementation
and Control, MIT Press, 2005.
[2] Billah M. M., Ahmed, M., Farhana, S.,
“Walking Hexapod Robot in Disaster
Recovery: Developing Algorithm for
78
[6]
[7]
Terrain Negotiation and Navigation”, Proc.
of World Academy of Science, Engineering
and Technology, vol. 32, pp. 334–339,
2008.
Nonami K, Huang QJ, Komizo D, Shimoi
N, Uchida H., “Humanitarian Mine
Detection Six-Legged Walking Robot”,
Proc. of The Third International Conference
on Climbing and Walking Robots, p. 861–
868, 2000.
Bares, J.E., Wettergreen, D.S., “Dante II:
Technical Description, Results, and Lesson
Learned”, The International Journal of
Robotic Research, vol. 18, no. 7, pp. 621–
649, 1999.
Brooks R., “A Robust Layered Control
System For a Mobile Robot”, IEEE Journal
of Robotics and Automation, vol. 2, no. 1,
pp. 14 – 23, 1986.
Brooks R., “A Robot that Walks: Emergent
Behaviors
from
Carefully
Evolved
Network”, Neural Computation, vol. 1, no.
2, pp. 253 – 262, 1989.
Cyberbotics, Webots User Guide: Release
5.4.2, 2007.
Behavior Based Hexapod Robot
Handy Wicaksono1),2), Prihastono1),3), Khairul Anam4), Rusdhianto Effendi2), Indra Adji
Sulistijono5), Son Kuswadi 5), Achmad Jazidie2), Mitsuji Sampei6)
1
Department of Electrical Engineering, Sepuluh Nopember Institute of Surabaya, Indonesia
2
Department of Electrical Engineering, Petra Christian University, Surabaya, Indonesia
3
Department of Electrical Engineering, University of Bhayangkara , Surabaya, Indonesia
4
Department of Electrical Engineering, University of Jember, Jember, Indonesia
5
Department of Mechatronics, Electronics Engineering Polytechnic Institute of Surabaya, Surabaya, Indonesia
6
Department of Mechanical and Environmental Informatics,
Tokyo Institute of Technology, Tokyo, Japan
E-mail : [email protected]
ABSTRAK
Robot berkaki enam (hexapod) memiliki kelebihan dibanding robot beroda dalam hal kemampuannya melewati
daerah tidak rata. Pada penelitian ini, mobilitas pergerakan hexapod akan diuji untuk mengetahui performanya
dalam melewati balok dan tangga. Supaya dapat bereaksi dengan cepat, maka arsitektur behavior based akan
digunakan pada hexapod. Aplikasi navigasi otonom dipilih untuk menunjukkan bahwa arsitektur tersebut
berjalan dengan baik. Dari hasil simulasi nampak bahwa behavior based hexapod robot memiliki mobilitas yang
baik (mampu melewati halangan setinggi maksimal 10 cm) dan dapat menyelesaikan tugasnya untuk
menghindari halangan dan menemukan sumber cahaya.
Kata kunci: mobilitas, hexapod robot, behavior based architecture, sistem navigasi otonom
ABSTRACT
Six legged robot (hexapod) has advantage over wheeled robot in its capability to walk over rough terrain. In this
paper, hexapod mobility will be tested in order to measure its performance in walk through beam and stair.
Behavior based architecture will be used in hexpod, so it can react quickly. Autonomous navigation application
has been chosen here in order to prove that the architecture is running well. From simulation result, it can be
seen that behavior based hexapod robot has good mobility (it can walk through obstacle that has 10 cm height)
and it can accomplish its task to avoid the obstacles and find the light source.
Keywords: mobility, hexapod robot, behavior based architecture, autonomous navigation system
Salah satu jenis robot berkaki yang paling
banyak digunakan ialah robot berkaki enam
(hexapod). Hexapod memiliki banyak keuntungan, di antaranya ialah fleksibilitas dalam pola
gerakan, karena robot memiliki kestabilan statis
jika tiga atau lebih kakinya ada di tanah.
Hexapod juga memiliki kecepatan yang lebih
tinggi dari robot berkaki empat saat menggunakan statically stable gait [2].
PENDAHULUAN
Robot beroda merupakan jenis robot yang
banyak digunakan dalam berbagai aplikasi
karena kecepatannya dalam melintasi bidang
yang rata, dan kemudahan dalam desain dan
implementasi. Namun dalam dunia nyata sering
terdapat kondisi bidang tidak rata, sehingga
digunakan robot berkaki. Keuntungan robot ini
ialah mampu bergerak di daerah yang halus
ataupun kasar, memanjat tangga, menghindar,
dan melangkah di atas halangan [1].
Hexapod telah digunakan untuk berbagai
aplikasi, misalnya COMET, hexapod dengan dua
buah lengan tambahan, digunakan untuk
menjinakkan ranjau [3]. Contoh lain ialah
DANTE, hexapod yang digunakan untuk
penjelajahan gunung berapi Mount Spur, Alaska,
untuk mengumpulkan dan mengirimkan data
Catatan: Diskusi untuk makalah ini diterima sebelum tanggal 1 Desember
2008. Diskusi yang layak muat akan diterbitkan pada Jurnal Teknik Elektro
volume 9, nomor 1, Maret 2009.
70
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
ilmiah pada operator dan ahli gunung berapi di
lokasi yang berjauhan [4].
Dalam banyak aplikasi robot, sering kali
dibutuhkan reaksi yang cepat dari robot.
Arsitektur behavior based control merupakan
arsitektur robot yang cocok karena memiliki
struktur behavior horizontal yang bekerja
bersama secara paralel, bersamaan dan
asinkronus [5]. Hexapod pertama yang
digunakan dengan arsitektur behavior based
ialah Genghis [6].
Masing – masing kaki robot terdiri dari 3 buah
motor servo yang diberi nama : hip servo, knee
servo dan ankle servo. Konstruksi potongan
salah satu kaki dapat dilihat pada gambar 3.
Gambar 3. Bagian-bagian pembentuk kaki robot
Pada penelitian ini akan dirancang model
simulasi hexapod robot dengan mobilitas yang
lebih baik dari robot Genghis di atas. Hexapod
ini memiliki kemampuan untuk melewati
halangan berbentuk balok dan tangga. Arsitektur
behavior based akan digunakan supaya robot
dapat bereaksi dengan cepat terhadap input dari
lingkungan. Robot akan dilengkapi dengan
beberapa behavior sehingga dapat melakukan
navigasi otonom untuk menghindari halangan
dan menemukan target berupa sumber cahaya.
PERANCANGAN SISTEM
Mekanik dan Mekanisme Gerak Robot
Arah gerakan knee servo dan ankle servo ialah
rotasional dengan arah vertikal seperti tampak
pada gambar 4.
Gambar 4. Arah gerakan knee servo & ankle
servo
Sedang arah gerakan hip servo ialah rotasional
dengan arah horizontal seperti pada gambar 5.
Berikut ini ukuran robot hexapod (dalam satuan
cm). Semua kaki robot direntangkan supaya
mempermudah pemberian ukuran.
Gambar 5. Arah gerakan hip servo
Gambar 1. Ukuran bagian hexapod robot
Gambar 2. Hexapod robot dalam kondisi inisial
Jika hexapod robot diatur dalam kondisi inisial
(berdiri), maka bentuknya akan seperti gambar 2.
Gambar 6. Pergerakan servo dalam robot: (a)
posisi robot mula-mula; (b) pergerakan hip
servo; (c) pergerakan knee servo; (d) pergerakan
ankle servo
71
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Gerakan hip servo, knee servo dan ankle servo
dalam robot secara keseluruhan dapat dilihat
pada gambar 6.
Mekanisme gerak dari hexapod robot ini
menggunakan tripod gait, yang mendasarkan
kestabilan robot pada tiga titik segitiga berupa
kaki-kaki robot yang berada di tanah dalam 1
waktu. Pada gambar 7 dan gambar 8 nampak 2
buah konfigurasi segitiga saat robot berjalan.
Sehingga saat robot berjalan, selalu ada tiga kaki
yang sedang berada di tanah. Berikut ini
gambaran masing – masing segitiga kestabilan.
Gambar 10. Grafik karakteristik sensor jarak
Grafik tersebut didapatkan dari karakteristik
ideal sensor yang terdapat pada panduan dari
program simulator yang digunakan. Sedang
pengaturan nilai sensor dilakukan pada program
yang sama. Dari Gambar 10 nampak bahwa
jangkauan terjauh sensor ialah 0.5 m. Dalam
simulasi ini, sensor diasumsikan ideal dan bebas
noise.
Gambar 7. Segitiga kestabilan pertama pada
robot
Sedang karakteristik dari sensor cahaya (infra
red) nampak pada grafik berikut.
Gambar 8. Segitiga kestabilan ke dua pada robot
Sensor-Sensor pada Robot
Sensor yang digunakan dalam sistem navigasi
otonom hexapod robot ini ialah dua buah sensor
jarak dan dua buah sensor cahaya. Konfigurasi
sensor dapat dilihat pada gambar 9.
Gambar 11. Grafik karakteristik sensor cahaya
Data yang digunakan sama dengan sensor jarak
pada bagian sebelumnya. Dalam simulasi ini,
sensor juga diasumsikan ideal dan bebas noise.
Macam-Macam Behavior pada Robot
Gambar 9. Peletakan sensor pada robot
Karakteristik dari sensor jarak nampak pada
grafik berikut.
72
Supaya robot dapat melakukan navigasi secara
otonom, maka robot harus memiliki behaviors
berikut :
1. Berkeliling (wandering)
2. Hindari halangan (obstacle avoidance)
3. Cari target (search target)
4. Stop (find target)
Berikut ini penjelasan masing–masing behavior.
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
Wandering behavior
Start
Karena robot perlu berkeliling di arena untuk
menemukan target, maka behavior ini sangat
diperlukan. Tanpa behavior ini, robot hanya akan
berjalan maju, ataupun menyusuri dinding arena
saja. Adapun flow chart dari wandering behavior
dapat dilihat pada gambar 12.
Enable sensor
jarak kiri & kanan
A
Y
T
Sensor jarak
kiri ON?
Obstacle Avoidance Behavior
Behavior ini berguna untuk menghindari
halangan yang dideteksi oleh 2 buah sensor jarak
milik robot. Flow chart dari behavior ini dapat
dilihat pada gambar 13.
Behavior
“Belok Kiri”
Y
Behavior
“Mundur Belok”
Behavior
“Belok Kanan”
Gambar 13. Flow chart dari obstacle
avoidance behavior
Start
Enable sensor cahaya
kiri & kanan
B
Sensor cahaya
kanan ON ?
T
Y
T
Sensor cahaya
kiri ON?
Timer = 0
T
Behavior
“Belok Kanan”
Behavior
“Maju”
Timer =
4.8 s?
Y
Behavior “Maju”
T
Sensor jarak
kiri ON?
Y
Y
T
Behavior
“Maju”
A
Start
Start Timer
T
Sensor jarak
kiri ON?
Y
Search target dan stop behavior
Jika sensor cahaya robot mendeteksi target
berupa sumber cahaya, maka search target
behavior akan aktif dan robot akan bergerak
mendekati sumber cahaya itu. Jika jarak robot
sudah “dekat” dengan target, maka stop behavior
akan aktif dan robot akan berhenti. Flow chart
dari kedua behavior tersebut dapat dilihat pada
Gambar 14 dan 15.
T
Sensor jarak
kanan ON?
Behavior
“Belok Kiri”
B
Gambar 14. Flow chart dari search target
behavior
Start
Timer =
2.4 s?
Y
Enable sensor cahaya
kiri & kanan
Beh “belok kiri”
T
T
Sensor cahaya
kanan NEAR?
Timer =
4.8 s?
Y
Y
Behavior “Maju”
T
Timer =
2.4 s?
Y
T
T
Sensor cahaya
kiri NEAR?
Y
Sensor cahaya
kiri NEAR?
Y
Behavior
“Stop”
Beh “belok kanan”
Stop
Gambar 12. Flow chart dari wandering behavior
Gambar 15. Flow chart dari find target behavior
73
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Behavior Coordination pada Robot
Sekumpulan behavior yang telah disebut di atas
harus dikoordinasikan supaya dapat bekerja
dengan sinkron pada robot. Metode koordinasi
yang digunakan pada penelitian ini adalah
Subsumption
Architecture
yang
telah
dikemukakan oleh Brooks[5]. Gambar 16
menunjukkan struktur koordinasi behavior dari
robot ini.
Dari Gambar 16 nampak bahwa Wandering
merupakan behavior dengan level terendah,
sehingga jika ada behavior lain yang aktif, maka
wandering tidak akan aktif. Behavior dengan
level prioritas tertinggi ialah obstacle avoidance.
Hal ini berarti jika behavior tersebut aktif, maka
semua behavior lain akan non aktif. Dengan kata
lain masing – masing behavior akan aktif secara
bergantian.
Gambar 17. Simulasi robot melewati halangan
rendah setinggi 5 cm
Obstacle
Avoidance
Find Target /
Stop
Gambar 18. Simulasi robot melewati halangan
rendah setinggi 10 cm
Search Target
Wandering
S
S
S
Robot’s
servos
Gambar 16. Subsumption Architecture untuk
robot dengan navigasi otonom
Mekanisme pergerakan robot dengan menggunakan tripod gait seperti yang telah dibahas pada
bagian mekanik dan mekanisme gerak robot.
HASIL PENGUJIAN
Gambar 19. Simulasi robot melewati halangan
rendah setinggi 12 cm
Simulasi robot melewati halangan
Seluruh simulasi robot pada penelitian ini
dilakukan dengan program Webots dari
Cyberbotics [7]. Pada simulasi ini, robot akan
melewati ”halangan rendah” dengan tinggi yang
bervariasi. Halangan rendah di sini ialah
halangan yang dapat dilewati robot, sehingga
tidak perlu dihindari. Hal ini penting untuk
menentukan berapa tinggi maksimal suatu
halangan yang dapat dilewati robot.
Robot akan diuji untuk melewati halangan
setinggi 5, 10, dan 12 cm. Hasilnya nampak pada
gambar 17, 18 dan 19.
74
Pada ketiga gambar di atas, nampak bahwa robot
berhasil melewati semua halangan. Namun untuk
melewati halangan setinggi 12 cm, robot sering
kali gagal. Dalam 10 kali percobaan, robot hanya
berhasil melewatinya 1 kali saja. Hal ini
berkaitan dengan keterbatasan kemampuan robot
untuk mengangkat kakinya yang berkisar sekitar
10 cm.
Dengan demikian dapat disimpulkan bahwa
robot mampu melewati dengan baik (selalu
berhasil) halangan dengan tinggi maksimal 10
cm, di atas itu robot akan sering mengalami
kegagalan.
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
Simulasi robot menaiki - menuruni tangga
Pada simulasi di atas, halangan yang digunakan
ialah halangan tunggal. Pada simulasi berikut
akan digunakan halangan berbentuk tangga.
Mula-mula robot diuji untuk melewati tangga
dengan tinggi 5 cm dan lebar anak tangga
sebesar 20 cm. Berikut gambar 20 dan 21
menunjukkan hasil simulasinya.
Jika ukuran tangga diubah menjadi tinggi 8 cm
dan lebar 25 cm, maka hasil simulasinya akan
nampak seperti gambar 22.
Dari gambar 22 di atas nampak bahwa robot
gagal menaiki tangga karena jangkauan kaki
yang kurang tinggi. Lebar anak tangga
diperbesar menjadi 25 cm untuk mempermudah
robot, namun hal tersebut tidak membawa
perubahan.
Jika tinggi dikurangi menjadi 7 cm dan lebar
ditambah menjadi 40 cm, maka hasil simulasinya
nampak pada gambar 23 dan 24 berikut.
Gambar 20. Simulasi robot menaiki tangga
dengan tinggi 5 cm dan lebar 20 cm
Gambar 23. Simulasi robot menaiki tangga
dengan tinggi 7 cm dan lebar 40 cm
Gambar 21. Simulasi robot menuruni tangga
dengan tinggi 5 cm dan lebar 20 cm
Pada uji ini robot berhasil menaiki dan menuruni
tangga tersebut.
Gambar 24. Simulasi robot menuruni tangga
dengan tinggi 7 cm dan lebar 40 cm
Gambar 22. Simulasi robot menaiki tangga
dengan tinggi 8 cm dan lebar 25 cm
Dari gambar 23 dan 24 di atas, nampak bahwa
robot berhasil menaiki dan menuruni tangga
tersebut. Sehingga dapat kita simpulkan bahwa
untuk menaiki tangga diperlukan lebar anak
tangga yang cukup sehingga robot memiliki
landasan untuk ke anak tinggi berikutnya.
Adapun lebar anak tangga yang disarankan untuk
ketinggian 7 cm ke atas (maksimal 10 cm) ialah
minimal 40 cm.
75
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Simulasi robot dengan navigasi otonom
Simulasi masing – masing behavior
Untuk mensimulasikan kemampuan robot dalam
melakukan navigasi otonom dibutuhkan arena
dan halangan yang tepat. Berikut ini arena
beserta obstacle yang akan digunakan dalam
simulasi. Pada gambar 25 nampak tiga buah
home position yang berbeda, juga 1 buah target
position pada arena.
Seperti telah dijelaskan sebelumnya, berikut ini
behaviors yang dimiliki robot :
• Berkeliling (wandering)
• Hindari halangan (obstacle avoidance)
• Cari target (search target)
• Stop (find target)
Jika keempat behavior tersebut dijalankan secara
terpisah, maka masing-masing akan dapat
berjalan dengan baik. Berikut gambar 27
memperlihatkan
hasil
simulasi
yang
menunjukkan hal tersebut.
Gambar 25. Arena simulasi beserta home
position dan target position
Target yang digunakan berupa lampu (sumber
cahaya. Sedang hambatan (obstacle) yang
digunakan pada simulasi ini di bedakan menjadi
2 macam :
• Low obstacle (LO): obstacle yang rendah dan
dapat dilewati/dilangkahi oleh robot.
• High obstacle (HO) : obstacle yang tinggi dan
harus dihindari oleh robot.
Pada Gambar 26 nampak bahwa LO ditandai
dengan lingkaran (atau elips) putus-putus, sedang
HO ditandai dengan kurva persegi empat putusputus.
Gambar 27. Perilaku robot berjalan dengan baik
Dari hasil di atas dapat dilihat bahwa wandering
behavior akan bekerja saat robot jauh dari
halangan dan target. Keuntungan dari wandering
behavior ialah robot dapat:
• Mencari target lebih efektif
• Melepaskan diri saat robot tersangkut pada
obstacle
Jika ada high obstacle maka obstacle avoidance
behavior yang akan aktif. Jika ada low obstacle
maka robot hanya akan melewatinya saja.
Sedang jika robot sudah mendekati robot dan
mendeteksi adanya cahaya, maka search target
behavior akan aktif dan robot akan bergerak
menuju sumber cahaya. Jika posisi sudah dekat,
maka robot akan berhenti karena telah
menemukan robot.
Simulasi keseluruhan behavior
Gambar 26. Gambar arena dan jenis-jenis
obstacle yang digunakan
76
Pada simulasi ini akan diuji apakah robot dapat
menemukan target secara otonom sekaligus
menghindari high obstacle dalam prosesnya, jika
robot diletakkan dari home position yang
Perancangan Sistem Navigasi Otonom pada Behavior Based Hexapod Robot
[Handy Wicaksono, at al]
berbeda-beda. Berikut ini hasil simulasi dengan 3
home position yang berbeda (gambar 28, 29 dan
30).
menemukan target dari 3 home position yang
berbeda. Selain itu robot juga berhasil melewati
low obstacle dan menghindari high obstacle.
Namun demikian, robot tidak selalu berhasil
dalam menjalankan tugasnya. Kadang-kadang
robot akan mengalami terjepit (stack) pada
kondisi-kondisi tertentu. Berikut ini contoh
posisi robot saat mengalami stack (gambar 31).
Gambar 28. Hasil simulasi navigasi otonom
robot dari home position 1
Gambar 31. Berbagai posisi robot saat stack
Gambar 29. Hasil simulasi navigasi otonom
robot dari home position 2
Dari gambar 31 di atas nampak bahwa robot
mengalami stack karena beberapa alasan :
a. Robot terjebak di antara high obstacle yang
membentuk cerukan dan dinding, sehingga
robot tidak dapat menentukan ke arah mana
harus berjalan
b. Robot terjebak di antara 2 buah high obstacle
yang berada di sebelah kanan dan kiri, dan
pada waktu yang bersamaan 2 kaki belakang
robot tersangkut pada low obstacle.
c. 3 kaki robot terjebak pada low obstacle
sedang di sebelah kiri depan robot terdapat
high obstacle.
KESIMPULAN DAN SARAN
Gambar 30. Hasil simulasi navigasi otonom
robot dari home position 3
Dari gambar 28 sampai 30 di atas nampak bahwa
robot mampu menyelesaikan tugasnya untuk
Pada penelitian ini dirancang model simulasi
hexapod robot berdasar arsitektur behavior
based robot. Dari hasil simulasi nampak bahwa
hexapod dapat melewati halangan maksimal
setinggi 10 cm. Jika robot akan melewati tangga,
maka lebar tangga minimal 40 cm. Selain itu
dengan metode behavior coordination jenis
Subsumption Architecture, navigasi otonom
robot untuk menghindari halangan dan
menemukan target dapat dicapai dengan baik
dari berbagai posisi start.
77
Jurnal Teknik Elektro Vol. 8, No. 2, September 2008: 70 - 78
Meski demikian, terkadang robot masih
mengalami stuck (terjepit) pada hambatan tinggi
dan rendah, sehingga perlu dilakukan langkah
perbaikan di sisi perangkat keras robot. Selain itu
sebagai pengembangan ke depan, penggunaan
pembelajaran pada robot bisa ditambahkan
supaya robot dapat mengantisipasi hal-hal yang
tidak terduga.
[3]
ACKNOWLEDGEMENT
Penelitian ini didukung oleh Japan International
Cooperation Agency (JICA) melalui Technical
Cooperation Project for Research and Education
Development on Information and Communication
Technology di Institut Teknologi Sepuluh
Nopember (PREDICT - ITS).
[4]
[5]
DAFTAR PUSTAKA
[1] Bekey G. A., Autonomous Robot: From
Biological Inspiration to Implementation
and Control, MIT Press, 2005.
[2] Billah M. M., Ahmed, M., Farhana, S.,
“Walking Hexapod Robot in Disaster
Recovery: Developing Algorithm for
78
[6]
[7]
Terrain Negotiation and Navigation”, Proc.
of World Academy of Science, Engineering
and Technology, vol. 32, pp. 334–339,
2008.
Nonami K, Huang QJ, Komizo D, Shimoi
N, Uchida H., “Humanitarian Mine
Detection Six-Legged Walking Robot”,
Proc. of The Third International Conference
on Climbing and Walking Robots, p. 861–
868, 2000.
Bares, J.E., Wettergreen, D.S., “Dante II:
Technical Description, Results, and Lesson
Learned”, The International Journal of
Robotic Research, vol. 18, no. 7, pp. 621–
649, 1999.
Brooks R., “A Robust Layered Control
System For a Mobile Robot”, IEEE Journal
of Robotics and Automation, vol. 2, no. 1,
pp. 14 – 23, 1986.
Brooks R., “A Robot that Walks: Emergent
Behaviors
from
Carefully
Evolved
Network”, Neural Computation, vol. 1, no.
2, pp. 253 – 262, 1989.
Cyberbotics, Webots User Guide: Release
5.4.2, 2007.